技術與做法
周年公告明確指出 Dynamic Theme Machine ETF 使用 AI 與自然語言處理提早識別投資主題並進行輪動。官方產品頁補充其流程：以 NLP 分析法說會、新聞與管理層訪談等文本，透過情緒分析選擇公司，再利用量化模型與投資組合優化器進行配置，由量化與主題投資團隊監督。來源未支持使用特定大型語言模型的說法
商業與財務影響
驗證資訊待補
公司將此流程定位為傳統單一主題 ETF 的動態替代方案。公告沒有量化 Dynamic Theme Machine 單一產品的 AI 增額報酬或效率改善；所稱逾 10 億歐元管理資產是全體主動式 ETF 產品線規模，不能視為該產品績效或 AI 貢獻
原始證據說明：公司揭露 · 已發布產品與流程說明
數字與分級說明
此等級依量化記載與驗證說明判定。 部署人數、覆蓋範圍與效率／財務成效應分開看；量測期間、比較基準與方法也會影響解讀。
進展與應用地點
產品發布（原始記載：已發布產品）
荷蘭（依總部）
來源沒寫應用市場，依導入方總部定位：荷蘭（官網聯絡頁的總部地址 Weena 850, Rotterdam）
總部依據延伸研究
研究文本主題與情緒訊號如何形成可追溯的投資決策紀錄，並區分訊號品質、交易成本、換手率及市場曝險對淨報酬的影響；可再查核人工覆核與模型異常時的控制措施
研究切入點，非來源已證實成果
來源與核對
已讀官方周年公告及 Dynamic Theme Machine 產品說明。eventDate 是公告正文日期，非產品首次上線日；公告回鏈 2024 年推出消息。原報所引 Investment Officer 訪談未提此產品，故以同一具體系統的官方披露替代核實。技術與效益均為公司自述，未經獨立驗證。來源超過 30 天仍納入，研究理由是追蹤 AI／NLP 如何接入主題辨識與投資輪動流程，而非當作近期新產品
來源性質：來源待分類。來源核對不等於成效已獨立驗證
Robeco 官方新聞稿收錄自：每日科技研究